基于运动分析的视频检索方法

提出了一种新的压缩视频中对主要运动进行定性分析算法,该算法主要应用于视频信息检索。依据运动矢量的方向分布特性和运动矢量之间的相对关系来判断主要运动类型,可以直接用于有运动矢量信息的压缩视频流检索上。     

逐维聚类的相似度索引算法

随着多媒体信息技术的迅速发展，多维度索引技术在图像、视频等可视信息的存储、检索方面成为一个重要的研究领域，针对“维数危机”难题，提出逐维聚类相似度索引算法，该算法根据数据集的分布特性，对特征矢量的每一维进行聚类，算法在实现检索时可以逐步滤除与查询矢量不相似的数据集，缩小检索范围，进而提高了检索速度，实验结果表明，逐维聚类算法适用于基于相似度的高维数据矢量检索和查询，是一种简单、灵活的索引结构。     

基于运动信息的镜头切变检测算法

镜头检测算法的研究是视频分析与检索中较为活跃的研究领域之一。该文提出了一种基于运动信息的镜头切变检测算法，该算法采用四叉树算法分析视频序列的运动信息，进而提取基于运动信息的特征矢量，由提取的特征矢量可以检测出视频序列中的镜头切变点。实验表明该算法是有效的，可行的，并且具有非常强的抗干扰能力。     

视频运动特征提取模块的实现

基于内容的视频检索为人们检索具有相似内容的视频数据提供了新的手段,而运动信息作为视频内容中的一种特有信息,是视频检索领域研究关键问题之一.通过对运动特征提取算法进行研究,设计并实现了一个实用的全局运动特征和局部运动特征提取模块.实验表明：该模块能够有效地分割全局运动与局部运动,提取的运动特征信息可作为基于内容的视频相似检索系统的重要索引.     

基于DC系数和运动矢量的快速场景分割算法

场景分割技术是动态视频分析和基于内容的视频检索的基础，以检测出来的场景作为基本单元，可以进一步对视频内容进行分析和建立索引．本文旨在提出一种基于MPEG压缩视频流的场景分割算法，利用MPEG数据流中已有的DCT DC系数和运动矢量，来检测场景的变换，从而实现场景分割，针对实际视频流中场景突变和渐变两类变换．本文提出两种方法分别处理不同情况，对于突变检测，该算法可以定位到帧，由于该算法进行最小程度的解码，降低了计算复杂度，因而大大提高了检测速度．     

跳帧转码的运动矢量合成研究

由于终端设备、通信网络的异构性，视频服务需要提供跳帧转码功能，而直接使用输入码流运动矢量的视频跳帧算法导致视频质量下降严重．在前向主导运动矢量选择算法的基础上，讨论了运动矢量合成时运动矢量越界和主导帧内块不同处理方法对视频质量的影响，提出基于帧内刷新结构的前向主导运动矢量选择算法．实验结果表明，该算法可以有效阻断错误漂移，降低码率，提高视频质量．     

一种新的全局运动估计算法

全局运动估计是计算机视觉、视频处理等领域广泛采用的手段之一。该文提出一种直接利用压缩视频码流进行全局运动估计的新算法。就运动模型而言,采用了复杂性与准确性较好均衡的六参数仿射模型。为了提高估计精度和计算效率,文章首先提出一种新的视频背景前景分割方法,基于分割的结果,采用背景宏块的运动矢量进行全局运动参数估计。然后,根据参数估计误差的统计特性,一部分运动矢量会当作局外的样值而被剔除,利用剩余的运动矢量中重新估计参数可以提高估计精度。实验验证了提出的全局运动估计算法的计算效率和精度。     

运动矢量聚类的视频水印方法

基于运动矢量视频水印算法,结合人的视觉特性（HVS）,根据运动矢量值及运动矢量块区域聚类的特征,利用FCM算法实现运动矢量的分类,以运动矢量块为单位,将水印信息嵌入到运动矢量上。运动矢量不需要完全解码和再编码过程,所提出的水印算法简单、有效,从而实现了水印盲检。与嵌入水印前的原视频图像相比,嵌入水印后的视频图像信噪比损失很小,对帧删除、帧插入和噪声等攻击方式具有极强的鲁棒性。     

自适应块匹配搜索算法研究

为从视频序列提取运动矢量，进行有效的视频检索，对现存的运动特征的提取算法存在的问题进行了分析，提出了基于自适应块匹配搜索的全局运动特征提取方法。实验表明该算法在大大提高搜索速度的同时，能够获得几乎与全搜索算法相同的峰值信噪比（PSNR）。     

博弈论模型下基于运动矢量的视频隐写算法

针对目前大多数视频隐写算法不满足Kerckhoffs准则进行了研究,在博弈论隐写模型的基础上,提出了一种新的基于运动矢量修改的H.264视频隐写算法.该算法利用人眼视觉特性中对运动矢量的方向和速度特性敏感程度不同计算失真代价函数,再根据博弈论相关理论结合失真代价函数得到每个运动矢量的嵌入概率,实现了一种在理论上满足Kerckhoffs准则的视频隐写算法.实验结果表明,与同类型视频隐写算法相比,在满嵌时该算法的PSNR和SSIM的平均变化值分别降低了18.5％和12％,具有较好的安全性和不可感知性.     

从h.264压缩码流提取运动对象的一种方法

提出一种基于h.264压缩域视频流中运动对象的分割方法。对提取的运动矢量场进行噪声处理,在空间检测和校正、中值滤波等处理后,得到可靠的运动矢量场。为进一步增强可靠的运动向量,利用后向投影迭代技术,采用均值聚类算法获得视频对象分割。仿真实验证明,该方法可以得到良好的分割质量,且码流无须解码,实时性良好。     

A Fast Algorithm for Reconstructing Motion-Compensated Blocks in Compressed Domain

Many advanced video applications require processing compressed video signals. For compression systems using the discrete cosine transform (DCT) with motion compensation, we propose an algorithm with adaptive low-pass filtering (ALPF) to reconstruct blocks with motion vectors in the compressed domain. Compared with the previous work, this algorithm is faster and reduces blocky artifacts caused by quantization.     

一种视频转码快速运动估计算法

提出一种基于输入码流信息的视频转码快速运动估计算法。该算法利用输入码流的运动矢量和系数信息合成预测运动矢量,分析当前宏块对应转码前区域宏块运动矢量的一致性,结合图像的运动活跃性,自适应地调整编码运动估计的搜索策略。实验结果表明,与菱形搜索算法相比,该算法能够降低20%以上的编码时间,同时保持良好的图像质量;与AMVR-DIM算法相比,其运算性能和图像质量均有所提高。     

一种基于梯度模型的MPEG压缩域的运动对象分割算法

视频数据大都是经过压缩域的形式存储和传输的,且直接在压缩域进行视频对象分割无需运动估计等复杂的计算,速度较快。本文提出了一种基于梯度模型的MPEG压缩域的运动对象分割算法。首先利用DCT(AC[1]和AC[8])系数获得所有物体的边缘,然后综合在累积运动矢量基础上得到的边缘运动信息,从而获得感兴趣运动物体的边缘。仿真实验结果表明,它可以取得满意的分割质量。     

基于模糊聚类的H.264压缩域视频对象分割

鉴于压缩域视频运动分割方法在分割速度上的优越性,提出一种基于H.264的压缩域视频运动对象分割方法,对初始的运动矢量场进行去噪、中值滤波、校正和累积处理,得到更可靠的运动矢量场,用改进的模糊C-均值聚类算法分割出视频序列中的运动对象。实验结果表明,该方法可以快速准确地提取出视频序列中的运动对象。     

Optical flow approximation based motion object extraction for MPEG-2 video stream

This paper presents a compressed-domain motion object extraction algorithm based on optical flow approximation for MPEG-2 video stream. The discrete cosine transform (DCT) coefficients of P and B frames are estimated to reconstruct DC + 2AC image using their motion vectors and the DCT coefficients in I frames, which can be directly extracted from MPEG-2 compressed domain. Initial optical flow is estimated with Black’s optical flow estimation framework, in which DC image is substituted by DC + 2AC image to provide more intensity information. A high confidence measure is exploited to generate dense and accurate motion vector field by removing noisy and false motion vectors. Global motion estimation and iterative rejection are further utilized to separate foreground and background motion vectors. Region growing with automatic seed selection is performed to extract accurate object boundary by motion consistency model. The object boundary is further refined by partially decoding the boundary blocks to improve the accuracy. Experimental results on several test sequences demonstrate that the proposed approach can achieve compressed-domain video object extraction for MPEG-2 video stream in CIF format with real-time performance.     

基于压缩域信息的立体视频对象分割方法

立体视频对象分割是交互式多视点视频应用的关键技术。为了提高对象分割的时效性和精确性,提出了一种利用压缩域视差和运动信息的立体视频对象分割算法。该算法首先对运动矢量场和视差场进行提取和修正处理,然后对视频帧进行分割作为初始值,最后用均值偏移算法聚类得到最终的对象分割结果。实验结果表明,对于纹理复杂的场景有很好的分割效果,可以获得与语义一致的对象。     

基于H.264/AVC的压缩域运动对象分割方法

目前大部分压缩域视频对象的分割方法主要面向MPEG系列视频标准,且算法建模复杂。为了解决这一问题,现提出了一种新的基于H.264/AVC的压缩域时空联合运动对象分割（TSMOS）算法。该方法主要利用压缩码流中的DCT系数和运动矢量信息进行对象分割,并首先利用相邻帧DCT系数之差提取运动对象轮廓,同时通过对轮廓进行形态学和抗噪声处理来得到粗糙的运动对象帧差掩码;然后采用运动向量归一化、噪声向量滤除、权值扩展向量中值(WEVM)滤波及前帧分割结果后向投影技术来得到对象的运动掩码;最后通过引入有效机制合并帧差掩码和运动掩码来分割运动对象。实验证明,该算法可取得较好的分割效果。